import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime

import warnings
warnings.filterwarnings('ignore')

rfm = pd.read_csv ("rfm_nextstep_export.csv")
rfm.head()

	customer_id	Recency	Frequency	Monetary
0	1	102	5	831.30
1	2	34	4	1840.77
2	3	297	3	136.50
3	4	527	2	349.70
4	5	112	11	2273.00

rfm.shape

(1283707, 4)

Suite de la segmentation (Division en 02 notebooks pour des soucis de mémoire)

"""
Scoring suivant une logique de 1 à 5 pour la F et M
et de 5 à 1 pour la R (car il plus il est bas plus vous etes un bon client contrairement aux autres )
"""

rfm['R'] = pd.qcut(rfm['Recency'], 5, labels=[5,4,3,2,1])
rfm['F'] = pd.qcut(rfm['Frequency'].rank(method="first"), 5, labels=[1,2,3,4,5])
rfm['M'] = pd.qcut(rfm['Monetary'], 5, labels=[1,2,3,4,5])
rfm['RFM_Score'] = rfm[['R','F','M']].astype(str).agg(''.join, axis=1)

rfm.head()

	customer_id	Recency	Frequency	Monetary	R	F	M	RFM_Score
0	1	102	5	831.30	3	4	4	344
1	2	34	4	1840.77	5	4	5	545
2	3	297	3	136.50	2	3	2	232
3	4	527	2	349.70	1	2	3	123
4	5	112	11	2273.00	3	5	5	355

#Affichage de la distribution des score
fig = px.histogram(rfm, x='RFM_Score', title='Distribution des scores RFM')
fig.show()

"""
Création des segments en fonction de quelques scénarios 
simples que nous allons identifier
"""

def segmenter(score):
    r, f, m = int(score[0]), int(score[1]), int(score[2])
    if r >= 4 and f <= 2 :
        return 'Nouveau'
    elif r >= 3 and f >= 4 and m >= 4 :
        return 'VIP'
    elif r >= 2 and f >=2 and m >= 2:
        return 'Actifs'
    elif r >= 4:
        return 'À réengager'
    else :
        return 'Standard'

rfm["segment"] = rfm["RFM_Score"].apply(segmenter)

rfm.head(10)

	customer_id	Recency	Frequency	Monetary	R	F	M	RFM_Score	segment
0	1	102	5	831.30	3	4	4	344	VIP
1	2	34	4	1840.77	5	4	5	545	VIP
2	3	297	3	136.50	2	3	2	232	Actifs
3	4	527	2	349.70	1	2	3	123	Standard
4	5	112	11	2273.00	3	5	5	355	VIP
5	6	6	4	2199.50	5	4	5	545	VIP
6	7	112	2	23.65	3	2	1	321	Standard
7	8	318	5	458.25	2	4	4	244	Actifs
8	9	557	2	181.00	1	2	3	123	Standard
9	10	74	7	296.05	5	5	3	553	Actifs

fig = px.pie(rfm, names='segment', title='Segmentation des clients')
fig.show()

Avec cette segmentation élémentaire nous pouvons déja identifier les profils de clients interressants afin de mieux cibler le marché. Ce qui permet une optiminisation des actions marketing en adaptant les stratégies à chaque profi => Diminuniton des couts et meilleur gestion de la satisfaction client! On pourrait aller encore plus loin en mettant sur pied un système de recommandation en analysant et prédisant les préférences de produits pour chaque profil de client.